基于价格弹性系数的城市用水量中长期预测实例研究

以1985~2006年苏州市居民生活用水量、生活水价为基础数据,应用L.D模型,测算了不同价格弹性系数(-0.2、-0.3、-0.4)下该市2010年、2015年、2020年家庭生活用水量、家庭综合生活用水量、城市总用水量,模拟了水价变化与用水量之间的关系。与2010年苏州实际用水情况比较,本次测算结果准确性较高,不仅可以为城市用水量中长期预测提供一种新的方法,同时还可为城市水价调整与改革、制定城市供水调度方案提供决策参考。     

城市用水量预测模型综合研究

从分析城市用水量变化规律着手，给出了城市用水量预测的常用模型，并以此为基础分析了选择用水量预测模型时所需考虑的影响因素。最后，以西安市日用水量预测模型的建立为例，验证了上述研究的实用性。     

城市用水量预测模型综合研究

从分析城市用水量变化规律着手，给出了城市用水量预测的常用模型，并以此为基础分析了选择用水量预测模型时所需考虑的影响因素。最后，以西安市日用水量预测为例，建立了三阶自回归预测模型，经与实测值对比检验，精度较高，可用于供水系统调度管理。     

天津市城市用水量模拟方法的研究

通过对时间序列分析方法的研究总结 ,提出了以季节性指数平滑法对城市用水量进行预测模拟。建立了城市用水量预测模型 ,并应用于天津市用水量的预测。经预测残差和自相关分析 ,证明该预测模型可以满足工程需要。     

组合灰色预测模型在城市用水量预测中的应用

基于灰色预测理论,建立了残差灰色预测模型与等维递补预测模型两者相结合的组合灰色预测模型,可以对城市用水量进行预测。以青海省西宁市1998—2005年用水量作为建模数据,利用4种不同模型分别对2007年用水量进行预测。结果表明:组合灰色预测模型计算误差从基本模型的-2.06%下降到-0.34%,预测精度明显高于单一的灰色模型,具有预测精度高、简捷实用等特点。     

基于遗传神经网络的城市用水量预测研究

介绍了BP(误差反向传播算法)和GA(遗传算法)及GA-BP 3种神经网络,并以此分别对城市用水量进行预测.实验结果表明,基于GA-BP算法的神经网络方法应用于城市用水量的预测问题,能采用遗传学习算法优化BP神经网络模型的初始权重,即先利用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小.GA-BP神经网络在收敛速度和预测精度等方面均优于BP和GA网络,从而为未来短期城市用水量负荷的准确预测提供了新的思路与方法.     

遍历灰色模型对城市用水量的预测

考虑到原始序列中个别值的偶然波动影响传统GM(1,1)模型的预测精度,基于GM(1,1)模型的基本原理,构造了遍历灰色模型T-GM(1,1)。结果表明,T-GM(1,1)大大提高了模型的预测精度,将原始序列中不确定因素对预测精度的影响降到了最低,具有广泛的实用性。     

城市用水量预测

本文引用柯布——道格拉斯生产函数建立城市用水量预测模型,并以某市为背景作了实例计算,分析了城市居民消费水平、居住面积以及工业总产值的增长对该市2000年和2010年用水量的影响。     

城市年用水量灰色预测研究

灰色预测模型要求原始数据序列满足指数规律,而实际上城市用水波动性大,无典型指数趋势变化,而一般呈代数曲线形式变化,因此本文提出了改进的灰色模型在城市年用水量预测中的应用,改进的灰色预测模型主要基于灰色预测模型一次累加的建模思路。将改进的灰色预测模型用于某城市的年用水量预测,结果表明:改进的灰色预测模型与传统的灰色预测模型相比,平均相对误差以及原点误差均较小,可用于该市的年用水量预测,为该市年用水的宏观调控与用水规划提供参考。     

西安市时用水量预测模型研究

分析了给水系统时用水量的变化特征,利用自回归分析的方法,识别时用水量序列的数据模式.在此基础上对常用的预测模型进行了优选,利用指数平滑模型和季节性指数平滑模型对西安市给水系统的时用水量进行了预测.结果表明,模型预测精度较高,可操作性强.     

城市用水量预测中的多变量灰色预测模型

当观测资料的数据量少,而又存在多个相互影响或关联的变量时,常用的灰色预测模型GM(1,1)不能全面考虑多个变量。采用自适应MGM(1,n)模型———多变量灰色预测模型,较好地解决了这一问题。MGM(1,n)模型是GM(1,1)模型在n元多变量情况下的推广,通过联立求解n个n元微分方程,使模型中的参数能够反映实际工程或社会系统中多个变量间相互影响、相互制约的关系。以杭州市用水量统计资料为研究对象,运用灰色理论建立MGM(1,n)模型,获得了较好的预测效果。     

商丘试区浅层地下水量与用水量预报模型研究

对商丘试区的浅层地下水量和年农业用水量进行了中长期预报。针对该地区存在的供水与需水矛盾，提出了合理的措施。     

ARIMA模型在人均生活用水量预测中的应用

随着生活用水量需求的日益增加,对于人均生活用水量的合理预测成为城市给水规划的关键。以上海市1949-2003年的人均生活用水量统计资料为依据,利用SPSS11．5软件的ARIMA模型功能对上海市短期人均生活用水量进行预测。该模型的缺点是只能对人均生活用水量数据做短期预测,对于长期预测,由于不确定性的增加,结果的偏差将有所增加。     

人工神经网络在城市用水量预测中的应用进展

人工神经网络是一门新兴的交叉学科,用人工神经网络能解决很多传统方法无法解决的问题。从20世纪90年代开始把神经网络模型引入到用水量预测中,已对其进行了大量的研究。对人工神经网络在城市用水量预测中的应用现状进行了介绍,并指出目前应用中存在的主要问题及今后的研究方向。     

城市给排水现代化指标体系探索

在对国内外给排水以及相关领域调研的基础上,从探索城市给排水现代化内涵与理念入手,构建了城市给排水现代化评价指标体系,给出了城市给排水指标体系框架图。为了反映城市给排水现代化指标的先进性与可达性,将其与国内外城市给排水指标作了对应比较。同时,结合浙江实际设定了浙江省城市给排水现代化阶段目标值。     

北方某城市居民生活用水现状的调研分析

根据我国北方某城市两个典型居住小区的生活用水量调查和全市中心城区的居民生活用水量问卷普查资料,了解该市居民生活用水现状,掌握居民生活用水规律,并通过数理统计分析,确定居民用水的影响因素及其影响程度。在此基础上通过二元回归分析,推求并建立了该市居民生活需水函数。     

城市需水的智能预测方法研究

选取对城市用水影响较大的因素作为预测指标,通过HP滤波分析其指标及用水量的趋势成分及波动成分。应用多元线性回归法对趋势性成分进行模拟,应用模糊神经网络对波动性成分进行网络训练,以获得城市需水的总预测值。以大连市1980~2000年用水及其相关因子为例建模,以2001~2007年指标对模型进行检验,预测了大连市2010、2020年的需水值,为城市水资源规划提供一定的理论支持。